【笔记】tf.reduce_mean()函数：用于计算张量tensor沿着指定的数轴（tensor的某一维度）上的的平均值，主要用作降维或者计算tensor（图像）的平均值

   

 reduce_mean(input_tensor,
                    axis=None,
                    keep_dims=False,
                    name=None,
                    reduction_indices=None)

    第一个参数input_tensor： 输入的待降维的tensor;
    第二个参数axis： 指定的轴，如果不指定，则计算所有元素的均值;
    第三个参数keep_dims：是否降维度，设置为True，输出的结果保持输入tensor的形状，设置为False，输出结果会降低维度;
    第四个参数name： 操作的名称;
    第五个参数 reduction_indices：在以前版本中用来指定轴，已弃用;

以一个维度是2，形状是[2,3]的tensor举例：   

import tensorflow as tf
     
    x = [[1,2,3],
          [1,2,3]]
     
    xx = tf.cast(x,tf.float32)
     
    mean_all = tf.reduce_mean(xx, keep_dims=False)
    mean_0 = tf.reduce_mean(xx, axis=0, keep_dims=False)
    mean_1 = tf.reduce_mean(xx, axis=1, keep_dims=False)
     
     
    with tf.Session() as sess:
        m_a,m_0,m_1 = sess.run([mean_all, mean_0, mean_1])
     
    print m_a    # output: 2.0
    print m_0    # output: [ 1.  2.  3.]
    print m_1    #output:  [ 2.  2.]

如果设置保持原来的张量的维度，keep_dims=True ，结果：

    print m_a    # output: [[ 2.]]
    print m_0    # output: [[ 1.  2.  3.]]
    print m_1    #output:  [[ 2.], [ 2.]]

    

类似函数还有:

    tf.reduce_sum ：计算tensor指定轴方向上的所有元素的累加和;
    tf.reduce_max  :  计算tensor指定轴方向上的各个元素的最大值;
    tf.reduce_all :  计算tensor指定轴方向上的各个元素的逻辑和（and运算）;
    tf.reduce_any:  计算tensor指定轴方向上的各个元素的逻辑或（or运算）;